常用的图像二值化算法总结

一、概述

目的：图像分割，抠出有用部分。不同算法之间的差异体现在，阈值的计算方式不一样。

二、原理

三、代码实现

四、比较分析

常用方法：

a、基于经验值的方法，手动设置阈值

b、全局阈值，通过全局特性计算阈值，如直方图

c、局部阈值，也称自适应阈值化，全局阈值的分块化

d、迭代法，给定初始阈值，不断改变该值，直到满足给定的条件，一般条件是前景背景的平均灰度值之和小于某个极限值

e、最大熵，也称最小均方误差，计算前景背景的分类错误概率，一般假设两者的灰度分布都是服从正态分布的

f、Otsu，又称最大类间方差法，用到最小二乘法

参考：

1、图像算法：图像阈值分割，Opencv‘实现

2、Wellner 自适应阈值二值化算法

3、《数字图像处理与机器视觉》第9章 图像分割

4、OTSU算法及其改进算法学习